Dans cette partie du cours vous allez apprendre à réorganiser des tables dans R. Cela peur être utile si vous ne devez travailler que sur une partie des données.

Aujourd’hui nous allons voir:

Comment filtrer des lignes ou des colonnes dans un tableau
Exporter le nouveau tableau créé dans R

Mise en place

Tout d’abord, créez un nouveau script R et préparez votre environnement de travail:

# Chargez la librairie `tidyverse` (aide: utilisez la fonction `library()`)

# Changez votre répertoire de travail pour être dans `session3_plots_reorganisation`
#(aide: utilisez la fonction `setwd()`)

# Importer `burghardt_et_al_2015_expt1.txt` et mettez le dans un objet appelé `expt1`
#(aide: utilisez la fonction `read_tsv()`)

Sélectionner des colonnes avec la fonction `select()`

Tout d’abord, utilisons les fonctions dim() et names() afin de connaitre les dimensions du tableau et le nom des colonnes.

dim(expt1)

## [1] 957  15

names(expt1)

##  [1] "plant_nb"             "genotype"             "background"          
##  [4] "temperature"          "fluctuation"          "day.length"          
##  [7] "vernalization"        "survival.bolt"        "bolt"                
## [10] "days.to.bolt"         "days.to.flower"       "rosette.leaf.num"    
## [13] "cauline.leaf.num"     "blade.length.mm"      "total.leaf.length.mm"

Il y a beaucoup de colonnes dans ce tableau. Afin de ne garder que les colonnes genotype et temperature, nous pouvons utiliser la fonction select()

select(expt1, genotype, temperature)

## # A tibble: 957 x 2
##    genotype temperature
##    <chr>          <dbl>
##  1 Col Ama           12
##  2 Col Ama           12
##  3 Col Ama           12
##  4 Col Ama           12
##  5 Col Ama           12
##  6 Col Ama           12
##  7 Col Ama           12
##  8 Col Ama           12
##  9 Col Ama           12
## 10 Col Ama           12
## # … with 947 more rows

Il est aussi possible de ne garder que les colonnes qui contiennent le mot “bolt” dans leur nom:

select(expt1, contains("bolt"))

## # A tibble: 957 x 3
##    survival.bolt bolt  days.to.bolt
##    <chr>         <chr>        <dbl>
##  1 Y             Y               28
##  2 Y             Y               29
##  3 Y             Y               31
##  4 Y             Y               31
##  5 Y             Y               32
##  6 Y             Y               33
##  7 Y             Y               34
##  8 Y             Y               35
##  9 Y             Y               69
## 10 Y             Y               72
## # … with 947 more rows

Exercice 1 : Sélectionnez les colonnes qui contiennent des données mesurées en mm

Sélectionner des lignes à partir de critères avec la fonction `filter()`

Avec la fonction filter(), nous pouvons garder toutes les lignes de notre table qui correspondent à des plantes qui ont subies une vernalisation.

Tout d’abord, nous devons connaitre les différentes valeurs de la colonne vernalization. Comme nous pouvons voir, il y a deux options: ‘NV’ et ‘V’.

distinct(expt1, vernalization)

## # A tibble: 2 x 1
##   vernalization
##   <chr>        
## 1 NV           
## 2 V

Comme nous voulons garder les plantes qui ont subies une vernalisation, nous devons filtrer les données pour garder les lignes pour lesquelles il y a “V” dans la colonne vernalization:

filter(expt1, vernalization == "V")

## # A tibble: 330 x 15
##    plant_nb genotype background temperature fluctuation day.length vernalization
##       <dbl> <chr>    <chr>            <dbl> <chr>            <dbl> <chr>        
##  1        1 Col Ama  Col                 12 Con                 16 V            
##  2        2 Col Ama  Col                 12 Con                 16 V            
##  3        3 Col Ama  Col                 12 Con                 16 V            
##  4        4 Col Ama  Col                 12 Con                 16 V            
##  5        5 Col Ama  Col                 12 Con                 16 V            
##  6        6 Col Ama  Col                 12 Con                 16 V            
##  7        7 Col Ama  Col                 12 Con                 16 V            
##  8        8 Col Ama  Col                 12 Con                 16 V            
##  9        1 Col Ama  Col                 12 Con                  8 V            
## 10        2 Col Ama  Col                 12 Con                  8 V            
## # … with 320 more rows, and 8 more variables: survival.bolt <chr>, bolt <chr>,
## #   days.to.bolt <dbl>, days.to.flower <dbl>, rosette.leaf.num <dbl>,
## #   cauline.leaf.num <dbl>, blade.length.mm <dbl>, total.leaf.length.mm <dbl>

Nous pouvons utiliser les opérateurs suivant pour définir les conditions pour filtrer les données:

Opérateur	Condition de sélection	Exemple
`<`	inférieur à	`filter(expt1, days.to.bolt < 20)`
`<=`	inférieur ou égal à	`filter(expt1, days.to.bolt <= 20)`
`>`	supérieur à	`filter(expt1, days.to.bolt > 20)`
`>=`	supérieur ou égal à	`filter(expt1, days.to.bolt >= 20)`
`==`	égal à	`filter(expt1, days.to.bolt == 20)`
`!=`	différent de	`filter(expt1, days.to.bolt != 20)`
`%in%`	est contenu dans	`filter(expt1, genotype %in% c("Col FRI", "Ler-1"))`

Il est aussi possible de combiner plusieurs conditions de sélection avec les opérateurs suivant:

Opérateur	Signification	Exemple
`&`	ET	`filter(expt1, days.to.bolt == 20 & genotype == "Ler-1")`
`\|`	OU	`filter(expt1, rosette.leaf.num < 8 \| rosette.leaf.num > 100)`

Nous pouvons aussi identifier les données manquantes (NA) avec la fonction is.na() ou sa négation (en utilisant !):

Opérateur	Signification	Exemple
`is.na()`	données manquante	`filter(expt1, is.na(rosette.leaf.num))`
`!is.na()`	donnée non manquante	`filter(expt1, !is.na(rosette.leaf.num))`

source de l’image

Par exemple, nous pouvons sélectionner les plantes qui ont été vernalisées ET qui ont poussées avec une température fluctuante:

filter(expt1, vernalization == "V" & fluctuation == "Var")

Il est aussi possible de sélectionner les plantes qui ont poussées avec 8h de jours OU qui fleurissent tardivement:

filter(expt1, day.length == "8" | days.to.bolt > 85)

Exercice 2: Filtrez les données pour garder les plantes selon les 3 cas de figures suivant (indépendants les uns des autres):

Plantes qui ne sont pas du background Ler et qui ont été traitées avec une température fluctuante.

Plantes qui ont fleuries (bolt) en moins de 57 jours et qui ont moins de 40 feuilles de rosette

Plantes du génotype fca-6 pour qui le blade.length.mm n’est pas manquant

Exporter le nouveau tableau créé dans R

Aujourd’hui, nous avons fortement restructuré notre tableau. Nous pouvons le sauver pour le réutiliser ultérieurement.

Pour cela nous utilisons la fonction write_tsv()

Par exemple, imaginons que nous voulons enlever des données manquantes et partager les données avec un collaborateurs (ou les réutiliser nous même plus tard):

expt1.days.to.flower.clean <- expt1 %>% 
  filter(!is.na(days.to.flower))

write_tsv(expt1.days.to.flower.clean, file = "../data/expt1_days_to_flower_clean.txt")

Ressources et liens utiles:

A faire pour la prochaine séance

A partir ce ce que nous avons vu aujourd’hui:

Utilisez filter et select pour sélectionner vos données. Est-ce que cela vous permet de faire de nouveaux graphiques qui n’étaient pas possibles sur les données non sélectionnées?
N’oubliez pas d’utiliser des pipes (%>%) pour faire des chaines de commandes si vous utilisez plus d’une fonction sur vos données

Pour ceux qui n’ont pas de données, vous pouvez utiliser le tableau Pan_Rui_2017_flowering time_raw_data.txt (publié par Pan et Rui) dans le dossier data

Retour à la page d’accueil

Réorganisation des données dans R